机器人作为20世纪人类最伟大的发明之一,代表了当今社会最先进的智能控制技术。多机器人系统具有许多单机器人系统无法比拟的优势,主要包括：容错性更好、效率更高、可扩展性更好、易于研究和开发。在多机器人系统的众多研究问题中,机器人定位是其最基本的问题之一,是多机器人系统完成任务的根本保证。在实际应中,多机器人系统通常工作在复杂、动态环境下,所以对多机器人协作定位技术的研究,具有重要的理论意义和实际意义。本文首先简述了多机器人系统的优越性,并阐述了多机器人协作定位的基本问题、技术特点以及发展趋势,说明了多机器人协作定位技术的研究背景、现状以及研究意义。接着针对多机器人协作系统,建立机器人的点目标运动模型,研究了利用扩展卡尔曼滤波方法融合运动信息及相对观测信息协同定位的滤波方程,详细分析了基于相对方位观测量的定位特点。通过仿真实验验证了EKF定位算法的准确性与有效性。针对扩展卡尔曼滤波定位算法对初始条件要求高的问题,研究了利用粒子滤波算法进行信息融合的情况,仿真结果表明：粒子滤波算法与EKF滤波算法的定位精度相同,虽然粒子滤波算法具有良好的定位效果,但其存在计算量较大的缺点。针对初始条件未知的多机器人协作定位问题,研究了PF-EKF的定位算法。初始阶段利用粒子滤波器对多机器人系统进行定位,当粒子收敛到接近高斯分布时,再使用扩展卡尔曼滤波算法对多机器人系统进行定位,实验结果表明：该方法能够有效地解决在初始条件未知情况下对多机器人系统的协作定位问题。针对机器人数量增加导致算法的效率和精度降低的情况提出了基于最大信息熵的参考目标选择方法。结合EKF算法对参考目标进行选择。实验结果表明：该方法在满足协同定位精度的情况下,可使计算量显著降低。上述研究通过一系列的仿真实验,都获得了较满意的结果。为深入研究多机器人协作定位及多仿人机器人协作定位的研究提供了依据。